esquema para la detecciÓn y localizaciÓn de fallas, …
TRANSCRIPT
Pistas Educativas, No. 130, noviembre 2018, México, Tecnológico Nacional de México en Celaya
Pistas Educativas Vol. 40 - ISSN: 2448-847X Reserva de derechos al uso exclusivo No. 04-2016-120613261600-203
http://itcelaya.edu.mx/ojs/index.php/pistas ~1056~
ESQUEMA PARA LA DETECCIÓN Y LOCALIZACIÓN DE FALLAS, EN UN SISTEMA DE COMBUSTIÓN INTERNA
SCHEME FOR DETECTION AND LOCALIZATION OF FAILURES, IN
AN INTERNAL COMBUSTION SYSTEM
Airam Monserrat Sánchez Villalobos Tecnológico Nacional de México/Instituto Tecnológico de Aguascalientes
Elvia Ruiz Beltrán Tecnológico Nacional de México/Instituto Tecnológico de Aguascalientes
Jorge Octavio Valdés Valadez Tecnológico Nacional de México/Instituto Tecnológico de Aguascalientes
Jorge Luis Orozco Mora Tecnológico Nacional de México/Instituto Tecnológico de Aguascalientes
Resumen En este trabajo se propone un método para detectar y localizar las fallas en un
sistema de combustión interna, sistema analizado y modelado bajo el enfoque de
redes complejas, revisando sus propiedades estructurales que indican el grado de
robustez ante la presencia de fallas (ataques o fallas aleatorias). Se propone una
simulación para comprobar que los elementos que son poco robustos provocan
fallas en el sistema, lo anterior se logra gracias a la implementación de una
interfaz gráfica en LabVIEW que permite monitorear fallas en presión, vibraciones,
y temperatura, que se presentan en el sistema.
Palabras clave: fallas, redes complejas, propiedades estructurales, motor de
combustión interna.
Abstract In this work, we propose a method to detect and locate faults in an internal
combustion system under the complex networks approach, reviewing its structural
Pistas Educativas, No. 130, noviembre 2018, México, Tecnológico Nacional de México en Celaya
Pistas Educativas Vol. 40 - ISSN: 2448-847X Reserva de derechos al uso exclusivo No. 04-2016-120613261600-203
http://itcelaya.edu.mx/ojs/index.php/pistas ~1057~
properties that indicate the degree of robustness in the presence of faults (random
attacks or failures). A simulation is proposed to verify that elements that are not
very robust cause failures in the system; this is achieved thanks to the
implementation of a graphical interface in LabVIEW that allows monitoring failures
in; pressure, vibrations, and temperature, which occur in the system.
Keywords: faults, complex networks, structural properties, internal combustion
engine.
1. Introducción A lo largo de los años, nos hemos rodeado de sistemas que tienden a tener
más componentes que interactúan entre sí complicando la predicción en su
funcionamiento y por ende tiene una alta posibilidad de fallar, estos sistemas se
conocen como sistemas complejos. Un sistema complejo, se define como aquel
que está compuesto por una cantidad enorme de partes que interactúan entre
sí, cada parte tiene su propia estructura y cumple una función específica, esto
quiere decir que lo que ocurra con cierta parte del sistema, influirá a todo éste.
Como ejemplos de este tipo de sistemas encontramos sistemas biológicos (el
cerebro humano, la naturaleza), de información (redes físicas, redes sociales,
etc.) y de tecnología (infraestructuras como suministro de agua, transporte, las
estaciones de combustible, energía, entre otras) [Albert-Laszló Barabási, 2016].
El análisis de fallas en sistemas complejos, ha sido recientemente abordado
para analizar sistemas de manufactura flexible [Reyes Luevano, 2017] y [Reyes
Lúevano, 2018], fallas en cascada en redes de distribución eléctrica [V.
Buldyrev, 2010], redes de comunicación que controlan redes eléctricas [Shao, v,
2011]; dichas metodologías aplicadas resultan ser exitosas ya que permiten
detectar y localizar fallas en los sistemas de manera precisa.
Actualmente, la industria en general implementa Sistemas de Manufactura Flexible
(SMF) en sus procesos de producción, con el propósito de aumentar la
productividad, disminuir los costos de producción y mejorar la calidad de sus
productos [Reyes Lúevano, 2018]. En el caso de redes de distribución eléctrica,
experimentan apagones con frecuencia, que en gran medida son resultado de una
Pistas Educativas, No. 130, noviembre 2018, México, Tecnológico Nacional de México en Celaya
Pistas Educativas Vol. 40 - ISSN: 2448-847X Reserva de derechos al uso exclusivo No. 04-2016-120613261600-203
http://itcelaya.edu.mx/ojs/index.php/pistas ~1058~
falla en cascada entre redes interdependientes, el problema ha sido
dramáticamente ejemplificado por varios apagones a gran escala que han ocurrido
en los últimos años, tal es el caso de la red eléctrica y de internet de Italia
implicadas en el apagón en septiembre de 2003; donde al tener identificadas las
subestaciones de la red eléctrica y los servidores de internet, donde el tamaño de
una red también llamada distribución de grados más amplia aumenta la
vulnerabilidad de las redes de interdependientes a la falla aleatoria, que es
opuesta a cómo se comporta una red única [V. Buldyrev, 2010].
En el caso de la industria automotriz, se ha convertido en un apoyo económico
importante para los países más desarrollados durante los últimos años en el sector
industrial [Z., H., 2008]. Con el paso de los años, los automóviles han cambiado su
funcionamiento tradicional; de una máquina estructurada a una máquina
electrónica compleja. Si estudiamos un automóvil como un sistema complejo,
podemos dividirlo en los sub sistemas que lo integran; motor, suspensión,
dirección, frenos y transmisión. El motor es la parte principal del automóvil ya que
él es quien proporciona la fuente de energía al resto de los subsistemas. Es un
sistema de máquina complejo, incluida su estructura. El parámetro de estado
técnico del motor cambiará en diferentes formas e intensidad, que empeoran los
parámetros de rendimiento. El estado del motor influye en la seguridad y fiabilidad
del automóvil directamente y es una de las partes más fallidas, por lo cual es el
principal objeto de detección y localización de fallas para nuestra investigación.
En [Z., H., 2008] desarrollaron un sensor avanzado que captura las características
y dinámica de un motor, donde se analiza, distingue, reconoce y determina el
error. Además, pronostica sus tendencias de procesamiento, descubre su razón,
ubicación y severidad, permitiendo que se realice el mantenimiento
correspondiente o apliquen los métodos de procesamiento para localizar en donde
está situada la falla dentro del sistema que analizan. Aplican una técnica de redes
neuronales; donde se detecta la falla del motor de un automóvil, adoptan una red
neuronal Back Propagation (BP) mejorada. Otra de las investigaciones realizadas
en los últimos años sobre fallas en motores de combustión es la realizada en el
año 2014 por el investigador Aleksandar Vencl [Aleksandar Vencl, 2014], donde se
Pistas Educativas, No. 130, noviembre 2018, México, Tecnológico Nacional de México en Celaya
Pistas Educativas Vol. 40 - ISSN: 2448-847X Reserva de derechos al uso exclusivo No. 04-2016-120613261600-203
http://itcelaya.edu.mx/ojs/index.php/pistas ~1059~
examinan 616 cojinetes del cigüeñal, dañados por diferentes mecanismos. Los
rodamientos se instalaron en Motores diésel de alta velocidad, y se reunieron
durante dos años, en las reparaciones (Revisión), es decir después de 3000-5000
horas de trabajo. Después del examen de los cojinetes, se realizó el análisis del
árbol de fallas FTA (failure tree analysis, por sus siglas en inglés) para determinar
las causas de raíz del motor por fallas en los cojinetes. En el trabajo se concluyó
que las causas principales que conducen a daños y fallas de los cojinetes lisos
son numerosas, y muy a menudo son varias causas que contribuyen
simultáneamente. Además, la carcasa de cojinete y la contra-cara contra la que
funciona el cojinete también contribuyen. Todas estas causas se pueden dividir en
varios grupos que incluyen aspectos de diseño, selección de material,
imperfecciones de material, fabricación y post-tratamiento, almacenamiento,
transporte, montaje, inspección, mantenimiento, funcionamiento imprevisto (como
sobrecarga) y daños mecánicos y / o químicos directos durante el funcionamiento.
Los resultados que se proponen en este artículo, consideran un motor de
combustión interna como un sistema complejo, identificando en principio cada uno
de sus componentes y la interacción entre ellos, así como el nivel de importancia
dentro del mismo. El análisis obtenido representa una serie de escenarios en los
cuales podemos identificar y localizar fallas a través de la comunicación del
modelo matemático con el controlador; que reciba y envíe información de nuestro
sistema de combustión
2. Métodos Enesta sección se profundiza en algunos conceptos básicos sobre grafos y
teoría de redes complejas, basada en propuesta de Lazsló Barabási [Albert-Laszló
Barabási, 2016] para modelar y analizar propiedades en sistemas complejos.
Redes complejas En este trabajo se propone el modelado de un sistema de combustión interna
mediante el enfoque de redes complejas, ya que, si consideramos modelar todo el
motor, éste podría tener cientos de elementos que interactúan de forma intrincada
Pistas Educativas, No. 130, noviembre 2018, México, Tecnológico Nacional de México en Celaya
Pistas Educativas Vol. 40 - ISSN: 2448-847X Reserva de derechos al uso exclusivo No. 04-2016-120613261600-203
http://itcelaya.edu.mx/ojs/index.php/pistas ~1060~
y por ello resulta eficaz modelarlos con sistemas complejos. Los sistemas
complejos se modelan mediante un grafo [Albert-Laszló Barabási, 2016] como el
que se muestra en figura 1. A esta representación se le denomina Red Compleja.
Figura 1 red compleja.
Una red compleja se define en términos de la teoría de grafos como un par
ordenado de conjuntos , donde es el conjunto de
elementos vértices (nodos) de la red. Así mismo, denota al subconjunto de
aristas de ; en otras palabras . En este sentido, para una red (dirigida
y no dirigida) una arista es gráficamente un arco dirigido del nodo
al nodo ; donde denota al tallo, denota la cabeza y peso de arista.
La estructura de la red puede ser descrita a través de una representación
matricial. La matriz captura la relación de adyacencia entre pares de nodos
de la red, de la siguiente forma: si existe una arista que se dirija del nodo al
nodo , o en su caso si no existe conexión entre los nodos y .
Propiedades estructurales de las redes complejas
Existen ciertas propiedades que presentan los Nodos (N) y Links (L) dentro de
un sistema complejo:
• Grado (Degree): (llamado grado) es número de links que tiene el nodo i.
En una red no dirigida, el número total de enlaces , se puede expresar
como la suma de los grados de los nodos, la ecuación 1 representa el
número de links que tiene una red con nodos.
Pistas Educativas, No. 130, noviembre 2018, México, Tecnológico Nacional de México en Celaya
Pistas Educativas Vol. 40 - ISSN: 2448-847X Reserva de derechos al uso exclusivo No. 04-2016-120613261600-203
http://itcelaya.edu.mx/ojs/index.php/pistas ~1061~
• Grado promedio: para una red no dirigida el número de links en promedio
que tiene cada nodo i se representa según la ecuación 2.
En la ecuación 3 se muestra como en el caso de redes dirigidas
distinguimos entre grado entrante, , que representa el número de links
que apuntan al nodo , y grado saliente, , que representa el número de
links que apuntan desde el nodo i a otros nodos.
La cantidad total de enlaces en una red dirigida se obtiene con ecuación 4.
En la ecuación 5 se calcula el grado promedio de una red dirigida como:
• El grado de distribución, representado como , proporciona la
probabilidad de que un nodo seleccionado al azar en la red tenga el grado
. Como es una probabilidad, debe normalizarse, como se muestra en la
ecuación 6.
Para una red con nodos, la distribución de grados es un histograma
normalizado que viene dado por la ecuación 7, representada de la siguiente
manera.
Donde es la cantidad de nodos de grados . Por tanto, se puede obtener el número de nodos de grado a partir de la distribución de grados como
.
Pistas Educativas, No. 130, noviembre 2018, México, Tecnológico Nacional de México en Celaya
Pistas Educativas Vol. 40 - ISSN: 2448-847X Reserva de derechos al uso exclusivo No. 04-2016-120613261600-203
http://itcelaya.edu.mx/ojs/index.php/pistas ~1062~
En la expresión 8 se observa como el grado promedio de la red compleja
está en función de , lo cual es particularmente importante en redes con
miles o millones de nodos en los cuales no se conoce de manera precisa su
estructura, como en caso de un cerebro humano.
• Matriz de adyacencia: Una descripción completa de una red requiere que
hagamos un seguimiento de sus enlaces. Para propósitos matemáticos, a
menudo representamos una red a través de su matriz de adyacencia .
La matriz de adyacencia de una red dirigida de nodos tiene filas y
columnas, siendo sus elementos:
Si hay un link que apunta desde el nodo al nodo .
Si los nodos y no están conectados entre sí.
La matriz de adyacencia de una red no dirigida tiene dos entradas para
cada link. El link (1, 2) se representa como y el link (2,1) es .
Por lo tanto, la matriz de adyacencia de una red no dirigida es simétrica, es
decir .
El grado del nodo mostrado en la ecuación 9, se puede obtener
directamente de los elementos de la matriz de adyacencia. Para redes no
dirigidas, el grado de un nodo es una suma de las filas o las columnas de la
matriz, es decir:
Para redes dirigidas, las sumas sobre las filas y columnas de la matriz de
adyacencia proporcionan los grados de entrada y salida del nodo i, los
cuales se calculan como en la ecuación 10.
Pistas Educativas, No. 130, noviembre 2018, México, Tecnológico Nacional de México en Celaya
Pistas Educativas Vol. 40 - ISSN: 2448-847X Reserva de derechos al uso exclusivo No. 04-2016-120613261600-203
http://itcelaya.edu.mx/ojs/index.php/pistas ~1063~
Dado que en una red no dirigida el número de enlaces salientes es igual al
número de enlaces entrantes, tenemos que los grados de entrada y salida
se obtienen como se indica en la ecuación 11.
El número de elementos distintos de cero de la matriz de adyacencia es ,
o el doble de la cantidad de links. De hecho, un link no dirigido que conecta
los nodos y aparece en dos entradas: , un link que apunta desde
el nodo al nodo , y , un enlace que apunta de a .
En la figura 2 se muestra la matriz de adyacencia de una red no dirigida. El
grado de un nodo (en este caso el nodo 2) se puede expresar como la
suma sobre la columna apropiada o la fila de la matriz de adyacencia.
Figura 2 Ejemplo de una matriz de adyacencia [Albert-Laszló Barabási, 2016].
También muestra algunas características básicas de la red, como el
número total de enlaces, y el grado promedio , expresado en términos
de los elementos de la matriz de adyacencia. Lo mismo que en pero
para una red dirigida.
• Redes bipartitas: Un gráfico bipartito es una red cuyos nodos se pueden
dividir en dos conjuntos disjuntos y de manera que cada enlace
conecta un nodo a un nodo . En otras palabras, si coloreamos los nodos
en en verde y los nodos en en púrpura, entonces cada enlace debe
Pistas Educativas, No. 130, noviembre 2018, México, Tecnológico Nacional de México en Celaya
Pistas Educativas Vol. 40 - ISSN: 2448-847X Reserva de derechos al uso exclusivo No. 04-2016-120613261600-203
http://itcelaya.edu.mx/ojs/index.php/pistas ~1064~
conectar nodos de diferentes colores; lo cual es una proyección de un
conjunto a otro. En la figura 3 se muestra como es la relación entre una red
bipartita, la cual tiene 2 conjuntos de nodos uno y otro . Los nodos en el
conjunto U se conectan directamente sólo a los nodos en el conjunto V. Por
lo tanto, las proyecciones generan otro grafo en base a las conexiones de la
red. La proyección U se obtiene conectando dos nodos U entre sí; si se
unen al mismo nodo V en la representación bipartita. La proyección V se
obtiene conectando dos nodos V entre sí si se conectan al mismo nodo U
en la red.
Figura 3 Ejemplo de una red bipartita [Albert-Laszló Barabási, 2016].
Metodología de modelado
Para obtener el modelo de una red compleja (RC) de un sistema se aplica la
metodología propuesta en [Reyes Lúevano, 2018]:
• Se parte del hecho de que el modelo de red compleja está dirigido a describir
la estructura y la dinámica de los elementos (nodos) del sistema bajo estudio.
• Cada nodo es un elemento sensor, actuador o dispositivo de control. La
interrelación entre dichos elementos se estructura a partir de aristas que
permiten establecer una influencia, transporte de energía o flujo de
información entre los nodos del sistema.
• Desde la perspectiva más general, la respuesta (comportamiento) de un
nodo está constituida por una componente en aislamiento más una
componente de interrelación.
Pistas Educativas, No. 130, noviembre 2018, México, Tecnológico Nacional de México en Celaya
Pistas Educativas Vol. 40 - ISSN: 2448-847X Reserva de derechos al uso exclusivo No. 04-2016-120613261600-203
http://itcelaya.edu.mx/ojs/index.php/pistas ~1065~
• La componente en aislamiento en la RC se modela a través de un nodo
activo. Por su parte, la componente de interrelación y total dependencia
entre los elementos de una RC, se modela a través de nodos pasivos.
• Tanto la componente en aislamiento y la de interrelación poseen una
estructura de RC. Entonces, el modelo de RC del sistema es el resultado de
la unión lógica (∪) de la estructura de RC de la componente en aislamiento
y bajo condición de interrelación de los nodos.
Modelo y análisis de un motor de combustión interna
En este trabajo se propone el modelo en red compleja de un motor de
combustión interna (véase la figura 4 para identificar sus partes), en el cual se
involucra el sistema mecánico y el sistema de lubricación, los cuales tienen cierta
sincronización entre sí.
Figura 4 Sistema de combustión interna.
El funcionamiento de un motor de combustión interna consta de una serie de
entradas con el fin de conseguir una salida en forma de energía mecánica. En los
motores de combustión interna, el ciclo de trabajo del motor presenta varias fases,
en principio se introduce en el cilindro una carga de aire y combustible que
posteriormente se inflama y elevada la presión y produce la fuerza necesaria que
impulsa a los pistones y hace girar al cigüeñal, transformando la energía química
contenida en el combustible en energía mecánica de rotación. Posteriormente, el
Pistas Educativas, No. 130, noviembre 2018, México, Tecnológico Nacional de México en Celaya
Pistas Educativas Vol. 40 - ISSN: 2448-847X Reserva de derechos al uso exclusivo No. 04-2016-120613261600-203
http://itcelaya.edu.mx/ojs/index.php/pistas ~1066~
gas quemado es vertido al exterior y se sucede un nuevo ciclo. Cabe resaltar que
la inflamación del combustible se realiza siguiendo un ciclo de funcionamiento de
dos o cuatro tiempos, logrando el encendido del combustible mediante el salto a
una chispa eléctrica (esto en motores a gasolina).
El modelo en red compleja del sistema de combustión interna se muestra en la
figura 5. Se usó el software Gephi [M., 2009] para su representación gráfica y
obtener la matriz de adyacencia (que posteriormente se importó a Matlab para
realizar el análisis de las propiedades). El modelo de RC propuesto está
compuesto por 74 nodos(N=74), 143 links (L=143) y es una red no dirigida.
Figura 5 Modelo de red compleja del sistema de combustión interna.
La red propuesta en la figura 5, corresponde a una red no dirigida que pertenece
al motor de combustión interna, descrito previamente. A continuación, se analizan
algunas propiedades de la red del sistema de combustión interna (se tomó la
matriz de adyacencia generada por Gephi y se importó en MatLab, donde se
desarrollaron los algoritmos para llevar a cabo el análisis de las propiedades
estructurales del sistema).
Pistas Educativas, No. 130, noviembre 2018, México, Tecnológico Nacional de México en Celaya
Pistas Educativas Vol. 40 - ISSN: 2448-847X Reserva de derechos al uso exclusivo No. 04-2016-120613261600-203
http://itcelaya.edu.mx/ojs/index.php/pistas ~1067~
En la ecuación 12 se muestran los links que contiene la red.
Donde la máxima cantidad de links se presenta en la ecuación 13.
Esto significa que el sistema de combustión interna tendrá como máximo una
conexión de 2701 de nodo a nodo entre todos ellos, ya que no todos los
elementos del motor se pueden relacionar con el resto de nodos de la red.
El grado promedio de la red, se muestra en la ecuación 14.
El grado promedio de links que tiene cada nodo en el sistema de combustión
interna será .
Degree Distribution En la figura 6 se muestra el comportamiento del sistema por medio de su grado
de distribución, utilizando las funciones plplot.m y plfit.m de Matlab, se obtiene el
exponente (gamma) de la ley de potencia mostrada en la ecuación 15. Donde
es la probabilidad de encontrar un nodo de grado .
Figura 6 Grado de distribución de la RC.
Pistas Educativas, No. 130, noviembre 2018, México, Tecnológico Nacional de México en Celaya
Pistas Educativas Vol. 40 - ISSN: 2448-847X Reserva de derechos al uso exclusivo No. 04-2016-120613261600-203
http://itcelaya.edu.mx/ojs/index.php/pistas ~1068~
Para la red compleja del sistema de combustión interna , por lo que se
concluye que el sistema complejo del motor de combustión interna se comporta
como un red de mundo pequeño “Small World”. Es decir, que en esta red si existen
nodos con grado alto de distribución, similares a los que se presentan en una Red
Libre Escala “Scale Free” pero estos nodos concentradores no son suficientemente
grandes en número para tener un impacto en la distancia entre los nodos. Para
este tipo de redes con la distancia promedio se calcula con ecuacion 16.
Por lo que, la distancia promedio entre los nodos del sistema de combustión es
, siendo esta la dependencia que hay entre los nodos del sistema. Esta
dependencia significa que, por cada nodo, aproximadamente 4 dependen de él, es
decir, la red no va a colapsar por completo, únicamente bajará su rendimiento.
Esquema propuesto El esquema que se propone en este trabajo para detectar y localizar las fallas
del sistema de combustión interna se presenta en la figura 7.
Figura 7 Esquema propuesto de detección y localización de fallas para el sistema.
El factor más importante para estimar la magnitud de una falla en la red es
conocer el comportamiento del sistema. El esquema consta de los siguientes
elementos:
Pistas Educativas, No. 130, noviembre 2018, México, Tecnológico Nacional de México en Celaya
Pistas Educativas Vol. 40 - ISSN: 2448-847X Reserva de derechos al uso exclusivo No. 04-2016-120613261600-203
http://itcelaya.edu.mx/ojs/index.php/pistas ~1069~
• El módulo de monitoreo de la dinámica del sistema, integrado por los
sensores que estarán evaluando las variables a estudiar.
• Una vez que obtenemos una serie de datos experimentales, es decir, evaluar
el comportamiento del motor por medio del monitoreo, obtenemos el estado
actual del sistema, que estima condiciones que se tienen en ese momento
sobre el motor de combustión. Se hacen lecturas del comportamiento de las
vibraciones, temperatura y presión del aceite, estos resultados iguales a los
que se tienen en un estado óptimo del sistema derivado de la RC.
• El modelo RC representa la estructura de interacción de los elementos que
integran el sistema, describiendo de esta forma su comportamiento. Al aplicar
el esquema de detección activo de fallas, se procederá a obtener resultados
a través de los cuales se podrán especificar las aplicaciones factibles. Monitoreo de fallas del sistema de combustión interna
En esta sección se implementa el esquema de diagnóstico de fallas propuesto
para monitorear fallas en sensores de temperatura, presión y vibración del sistema
de combustión interna. Se creó una interfaz gráfica en “LabVIEW” y utilizó un
micro controlador tipo “Arduino” para la comunicación, lectura y exhibición de
datos de los sensores del sistema de combustión interna monitoreado.
La función que tiene cada espacio de la aplicación es detectar las fallas que se
presentan en el sistema, para lograr esto, es necesario tener los parámetros
máximos y mínimos de las variables de temperatura, presión y vibraciones (los
parámetros dependen directamente del motor que se esté utilizando, es decir lo
que el fabricante nos indique como parte de sus características particulares).
Estos parámetros se obtuvieron de la data sheet obtenida, correspondientes al
motor utilizado durante la investigación.
Los datos necesarios para la interfaz se obtienen de un sensor de temperatura y
un giroscopio; un giroscopio mide los movimientos de un dispositivo con un brazo de
accionamiento, esto ayuda a calcular la velocidad angular. Los sensores de
temperatura son dispositivos que transforman los cambios de temperatura en
cambios en señales eléctricas que son procesados por equipo eléctrico o
Pistas Educativas, No. 130, noviembre 2018, México, Tecnológico Nacional de México en Celaya
Pistas Educativas Vol. 40 - ISSN: 2448-847X Reserva de derechos al uso exclusivo No. 04-2016-120613261600-203
http://itcelaya.edu.mx/ojs/index.php/pistas ~1070~
electrónico. Dichos sensores son implementados para medir los datos reales el
sistema, conocer su condición óptima e identificar un estado de falla dentro del
sistema. Estos datos se exhiben en la pantalla como gráficas, las cuales al
momento de salirse de los límites inferior y superior nos indican con un indicador
visual (led de color rojo), que se está presentando una falla en el sistema.
En la figura 8 se presenta la interfaz para monitorear el sistema y obtener los
datos de fallas del motor de combustión interna para cada una de las variables
analizadas; vibración, temperatura y presión de aceite. En la figura 9 se muestra el
esquema de la interfaz para el monitoreo de fallas en el sistema de combustión,
misma que representa como están conectados los sensores que monitorean el
comportamiento del mismo.
Figura 8 Interfaz para el monitoreo de fallas del sistema de combustión interna.
Figura 9 Esquema de conexión de la interfaz.
Pistas Educativas, No. 130, noviembre 2018, México, Tecnológico Nacional de México en Celaya
Pistas Educativas Vol. 40 - ISSN: 2448-847X Reserva de derechos al uso exclusivo No. 04-2016-120613261600-203
http://itcelaya.edu.mx/ojs/index.php/pistas ~1071~
En la figura 10 muestra el espectro que se obtiene al monitorear fallas por
temperatura en el sistema, dando un límite superior y un límite inferior como
medidas máximas y mínimas de temperatura que alcanza el sistema dentro y
fuera de una detección de fallas, a esto se le conoce cómo Setpoint e histéresis
estos nos ayudan a tener delimitados los rangos (por el fabricante) ya
determinados y que a su vez no vas a ayudar a identificar si estamos dentro de
una falla o un estado óptimo en el sistema.
Figura 10 Gráfica de temperatura del sistema.
Para poder identificar o provocar fallas relacionadas con la presión del aceite en el
sistema, es importante conocer los límites máximo y mínimo del mismo, de esta
forma, se relacionan las fallas de temperatura con las de presión, ya que, si bien
es conocido, un motor de combustión interna para funcionar de forma correcta
requiere cierta lubricación dentro de sí mismo, el sensor mide el valor de presión la
variación de la misma y lo convierte en una señal eléctrica. La señal eléctrica
indica el valor de presión recibida.
En la figura11, se muestra el espectro de la presión de aceite obtenido de nuestro
controlador para recibir los datos del comportamiento del sistema, el cual se le
asignó su Setpoint e Histéresis con respecto a las características del sistema. En
dicha figura se muestra la presión de aceite con la que está trabajando el sistema,
como han sido sus variaciones y en qué momentos se ha presentado alguna falla,
se pueden apreciar los límites máximos y mínimos que se tienen considerados
para esta variable y así conocer cuál es el rango para estar dentro de un buen
funcionamiento.
Pistas Educativas, No. 130, noviembre 2018, México, Tecnológico Nacional de México en Celaya
Pistas Educativas Vol. 40 - ISSN: 2448-847X Reserva de derechos al uso exclusivo No. 04-2016-120613261600-203
http://itcelaya.edu.mx/ojs/index.php/pistas ~1072~
Figura 11 Gráfica de presión de aceite del sistema.
Por último, tenemos los resultados de fallas por vibración, mostrados en la figura
12, es importante mencionar que un motor de combustión interna tiene por sí
mismo cierta vibración al momento de estar encendido, por lo cual es importante
conocer ese registro para evitar analizar datos de forma errónea; esto no quiere
decir que nuestros datos sean falsos, sino que es importante tomar en cuenta la
vibración natural que presenta el sistema y no confundirla con alguna falla o avería
que se pudiera estar presentando.
Figura 12 Gráfica de vibraciones del sistema.
3. Resultados Se analizaron las propiedades del modelo en red compleja del sistema de
combustión, las cuales fueron: el grado promedio de la red , el segundo
momento de la distribución así como la distribución de grado Pk; con lo cual
se aproximó este grado de distribución a una ley de potencia. Dando un valor de
haciendo que el sistema se comporte como un mundo pequeño o “Small
Pistas Educativas, No. 130, noviembre 2018, México, Tecnológico Nacional de México en Celaya
Pistas Educativas Vol. 40 - ISSN: 2448-847X Reserva de derechos al uso exclusivo No. 04-2016-120613261600-203
http://itcelaya.edu.mx/ojs/index.php/pistas ~1073~
World”. Es decir, que en esta red existen nodos con grado alto de distribución,
similares a los que se presentan en una Red Libre Escala o “Scale Free” pero
estos nodos concentradores (“hubs”) no están lo suficientemente interconectados
con la red compleja para tener un impacto en la distancia e influencia entre los
nodos. Por lo que se infiera que el sistema no es susceptible a fallas
desconocidas, pues los parámetros de medición dependen completamente de
características específicas del mismo. Por tal motivo, el sistema no falla por
completo, se degrada el funcionamiento únicamente.
El esquema de monitoreo propuesto, tiene como ventaja conocer el
comportamiento interno en tiempo real de nuestro sistema, ya que si bien, aunque
en el tablero de un vehículo se exhiben ciertos datos, los que se analizaron con
este enfoque son desconocidos por el usuario. Desde el formalismo de redes
complejas se modela la parte operativa del motor de combustión interna. El
esquema que se propone, implementan un sistema de monitoreo al adquirir las
señales del comportamiento del motor, con el propósito de detectar y localizar
fallas en el mismo. El sistema de monitoreo fue desarrollado en LabVIEW™, y
para la adquisición de señales, se diseñó y construyó el hardware (sistema
electrónico) necesario para el acondicionamiento y filtrado de señales de interés.
4. Discusión Con base a los resultados se verifica que, con las redes complejas, se requiere
conocer el comportamiento del sistema, visualizar el mismo en diferentes
escenarios, plantear situaciones en las cuales sistema falle de manera inesperada
por si solo; o bien, por un ataque provocado al mismo. Es importante tomar en
cuenta todos los componentes que integran el sistema e identificar la importancia
que tiene dentro del mismo y como se relaciona con los demás. Al implementar el
uso de LabVIEW validamos la detección de fallas en el sistema de combustión.
5. Conclusiones Se analizaron las propiedades del modelo en red compleja del sistema de
combustión, las cuales fueron: el grado promedio de la red , el segundo
Pistas Educativas, No. 130, noviembre 2018, México, Tecnológico Nacional de México en Celaya
Pistas Educativas Vol. 40 - ISSN: 2448-847X Reserva de derechos al uso exclusivo No. 04-2016-120613261600-203
http://itcelaya.edu.mx/ojs/index.php/pistas ~1074~
momento de la distribución así como la distribución de grado ; con lo cual
se aproximó este grado de distribución a una ley de potencia. Dando un valor de
haciendo que el sistema se comporte como un mundo pequeño o “Small
World”. Es decir, que en esta red existen nodos con grado alto de distribución,
similares a los que se presentan en una Red Libre Escala o “Scale Free” pero
estos nodos concentradores (“hubs”) no están lo suficientemente interconectados
con la red compleja para tener un impacto en la distancia e influencia entre los
nodos. Por lo que se infiera que el sistema no es susceptible a fallas
desconocidas, pues los parámetros de medición dependen completamente de
características específicas del mismo. Por tal motivo, el sistema no falla por
completo, se degrada el funcionamiento únicamente.
El esquema de monitoreo propuesto, tiene como ventaja conocer el
comportamiento interno en tiempo real de nuestro sistema, ya que si bien, aunque
en el tablero de un vehículo se exhiben ciertos datos, los que se analizaron con
este enfoque son desconocidos por el usuario. Desde el formalismo de redes
complejas se modela la parte operativa del motor de combustión interna. El
esquema que se propone, implementan un sistema de monitoreo al adquirir las
señales del comportamiento del motor, con el propósito de detectar y localizar
fallas en el mismo. El sistema de monitoreo fue desarrollado en LabVIEW™, y
para la adquisición de señales, se diseñó y construyó el hardware (sistema
electrónico) necesario para el acondicionamiento y filtrado de las señales de
interés.
6. Bibliografía y referencias [1] N. Mark, A.-L. Barabási y. D. J. Watts, The Structure and Dynamics of
Networks, Princeton: Princeton University Press and copyrighted, 2006.
[2] J. Reyes Luevano, E. Ruiz Beltrán y L. Castañeda Ramos, Structural
Analysis and Fault Detection on Manufacturing Systems: a Complex
Networks Approach, IEEE International Autumn Meeting on Power,
Electronics and Computing (ROPEC 2017). 2017.
Pistas Educativas, No. 130, noviembre 2018, México, Tecnológico Nacional de México en Celaya
Pistas Educativas Vol. 40 - ISSN: 2448-847X Reserva de derechos al uso exclusivo No. 04-2016-120613261600-203
http://itcelaya.edu.mx/ojs/index.php/pistas ~1075~
[3] J. Reyes Lúevano, E. Ruiz Beltrán , L. A. Castañeda Ramo y J. L. Orozco
Mora , Detección y Aislamiento de Fallas en Sistemas de Manufactura
desde el Enfoque de Redes Complejas, Revista Iberoamericana de
Automática e Informática industrial, vol. 00, pp. 1-12, 2018.
[4] S. V. Buldyrev, R. Parshani, P. Gerald, H. E. Stanley y H. Shlomo,
Catastrophic cascade of failures in interdependent networks, letters, vol.
464, nº doi: 10.1038/nature08932, pp. 1025-1028, 2010.
[5] J. Shao, S. v, V. Buldyrev, H. Shlomo y E. H. Stanly, Cascade of failures in
coupled network systems with multiple support-dependence relations,
Physical Review, nº 83, pp. 036116-1 - 036116-9, 2011.
[6] S. Z., Q. H. y D. W., Application of Neutral Network to Automobile Engine
Failure Detecting, de The Chinese Control and Decision Conference (CCDC
2008), China, 2008.
[7] Aleksandar Vencl, Diesel Engine Crankshaft journal bearings failures: case
study, ELSEVIER, vol. 44, pp. 217-228, 2014.
[8] Albert-Laszló Barabási, Network Science, United Kingdom, Cambridge
University Press, 2016.
[9] B. M., H. S. y J. M., Gephi: an open source software for exploring and
manipulating networks. International AAAI Conference on Weblogs and
Social Media, 2009: https://gephi.org/users/publications/.
[10] Math works, Math work, The Math Works, Inc., 1994-2016:
es.mathworks.com.
[11] The power portal. Com: http://www.briggsandstratton.com/~/media
/frequently%20asked%20questions/engine/pdfs/replacement%20engine%20
specifications/horizontal%20shaft/145%20b%20gt%20horiz.pdf.